专利交易市场

本发明公开了一种适用于任意入射场的AI学习型电磁散射计算方法，属于电磁散射领域。本发明采用AI学习网络来训练学习对比度入射波到感应电流之间的非线性关系：样本设计：为了引入已知信息，网络输入采用作为输入，计算得到前向电流数据作为AI学习型网络的真实样本；网络设计：采用AI学习型网络作为模型来完成训练预测过程，从而表征输入信息，也就是散射体，入射场，到感应电流的关系。本发明相比与作为输入的，这种方法适用范围更广，在相同网格划分下，应用此方法求解散射场，不仅在时间上比传统算法快，而且在精度上也有不小的提升，仿真测试验证了该方法的有效性。

本发明公开一种基于深度学习的电磁散射计算方法。计算得到样本电流数据，并采用深度学习网络来训练学习对比度入射波 到感应电流之间的非线性关系，包括样本设计和网络设计，样本设计：网络输入采用两种方案作为输入，并计算得到前向电流数据作为深度学习网络真实样本；网络设计：本发明设计采用深度学习网络作为模型来完成训练预测过程，从而表征输入信息，也就是散射体，入射场，到感应电流的关系。实验证明，入射波的入射角度和强度固定时，在相同网格划分下，应用此方法求解散射场时，不仅在时间上比现有技术快，而且在精度上也有不小的提升，仿真测试验证了该方法的有效性。

本发明涉及目标电磁散射与声散射技术领域，且公开了一种通过三维目标声散射评估电磁散射特征的方法，包括以下步骤：1)确定需要评估的三维目标的电磁散射频率；2)确定通过三维目标声散射评估电磁散射中声散射测试的声波频率、声信号脉冲宽度、扫频带宽与对应声学性质的三维目标；3)对应声学性质的三维目标，并安装于消声水池中测试。该通过三维目标声散射评估电磁散射特征的方法，将声散射测试所需目标安装于水声紧缩场或者常规水池中进行目标不同角度的声散射测试，采集不同角度的声散射回波信号并存储，最后采用幅度计算、脉冲压缩和R‑D二维成像算法处理声散射回波信号，可以到目标电磁散射特征结果。